项目地址：https://github.com/NousResearch/hermes-agent
Hermes Agent 到底是什么
一句话：Nous Research 做的开源版 AI Personal Agent。跟 OpenClaw、Claude Code 同一个赛道的竞品，但定位有本质不同。
真正特别的地方（不是营销话术）
1. 自我进化的 Skills 系统
这是它最核心的差异点。当 agent 完成一个复杂任务后，它会自动把解决方案抽象成一个 skill，保存到 ~/.hermes/skills/。下次遇到类似问题直接调用，而且 skill 在使用过程中会持续自我改进。
对比静态 skill 系统：大多数 agent 的 skill 是预定义好的，它的是动态生长的。
2. Honcho 用户建模
集成了 Honcho（Plastic Labs 的项目），做的是辩证式用户画像——不只是记住「用户喜欢 X」，而是通过多轮对话推理出你的偏好、沟通风格、工作习惯。跨 session 持久化。
3. RL 训练闭环（这才是 Nous Research 的真正意图）
项目里有完整的 Atropos RL 训练环境：
trajectory_compressor.py— 压缩对话轨迹用于训练rl_training_tool.py— 直接在 agent 内启动 RL 训练batch_runner.py— 批量生成训练数据environments/benchmarks/— 内置 SWE-bench
这不只是一个 agent 产品，这是 Nous 的数据飞轮：
用户用 Hermes Agent → 产生高质量工具调用轨迹 → 压缩后训练下一代模型 → 模型更强 → agent 更好用
4. 六种终端后端
local / Docker / SSH / Daytona / Modal / Singularity
关键是 Daytona 和 Modal 支持 serverless 休眠——agent 的执行环境闲置时不收费，唤醒时秒恢复。适合跑在低配 VPS 上但偶尔需要 GPU 算力的场景。
5. 多模型、零锁定
支持 OpenRouter（200+ 模型）、z.ai/GLM、Kimi、MiniMax、OpenAI、Anthropic……一行命令切换，不改代码。
架构对比
| 维度 | Hermes Agent | 主流 Agent |
|---|---|---|
| 语言 | Python | Node.js / Python |
| Skills | 动态生长 + 自我改进 | 静态预定义 |
| 记忆 | MEMORY.md + Honcho 用户建模 | 文件记忆 |
| 平台 | Telegram/Discord/Slack/WhatsApp/Signal | 各有侧重 |
| 沙箱 | 6 种后端（含 Modal serverless） | 本地 + Docker |
| RL 训练 | 内置完整闭环 | 无 |
| 定位 | 研究 + 产品双轮驱动 | 纯产品导向 |
我的判断
它特别在哪：不是「又一个 AI agent」，而是 Nous Research 的模型训练数据基础设施伪装成了一个 agent 产品。Skills 自动生成 + 轨迹压缩 + RL 训练这条链路，是目前开源 agent 中独一无二的。
值得关注的两个方向：
- Skill 自动生成：agent 把自己的解题过程沉淀为可复用的技能，这个思路迟早会被更多框架借鉴
- Honcho 用户建模：辩证式推理用户偏好，比简单的「记住用户说过的话」深了一个层次
如果你对自托管 AI agent 选型感兴趣，值得关注。核心看点不是它现在有多好用，而是它背后的数据飞轮野心。